论文摘要
在市场经济条件下,企业竞争日趋激烈,企业因财务风险陷入危机,甚至宣告破产的例子屡见不鲜,因此,建立一个有效的财务风险预测评价模型,无论对上市企业还是其利益相关者都具有十分重要的现实意义。一般公司陷入财务危机都是一个逐渐发展的过程,从财务状况正常到逐步恶化,最终出现破产。由此可见,财务危机是有先兆并且可以事先预测的。国内外学者在相关研究中都证明了这一点。本文结合上市公司的现状和特点,运用经济管理学和会计学的相关知识,构建一个用蚁群算法优化权重的组合预测模型,对中国上市公司的财务危机预警管理方面进行了分析。本文主要工作如下：（1）模型准备在建立模型之前,使用主成分分析法对财务指标进行降维处理,提取出具有代表性的主成分。（2）构造单个模型预测根据财务危机预测的特点选取了Logistic回归预测模型、多元线性回归判别模型、BP神经网络预测模型这三种预测方法作为组合预测的单个预测模型,再依据2008年-2009年的财务数据,对三个单项模型进行实证分析。（3）构造组合模型将基本蚁群算法加以改进,用来求解组合预测模型的加权系数,把加权系数作为筛选单个预测模型的依据,把权重特别小的单个预测模型剔除,使得模型更加简单合理,从而使筛选模型做到了定量与定性相结合,更有科学性。（4）设计财务风险预测子系统针对财务风险预测的特点,在考虑企业信息、财务数据、财务指标等因素下,设计和开发相应的筛选模块和预测模块,实现数据筛选、算法设计、风险预测等功能。（5）实证研究本文的实证研究是通过对大量样本历史数据的规律的总结,它区别于以经验分析的角度对财务危机的预测。证明了本文成果具有较好的实用性和较高的预测准确性。
论文目录
摘要ABSTRACT第1章 绪论1.1 课题背景及意义1.2 国内外研究现状1.2.1 国外财务预警模型研究现状1.2.2 国内财务预警模型研究现状1.2.3 研究现状总结与分析1.2.4 本文研究内容及章节安排第2章 相关基本理论概述2.1 财务风险概念2.2 单个预测模型介绍2.2.1 单个模型选择原则2.2.2 Logistic回归模型2.2.3 多元线性回归模型2.2.4 BP神经网络2.3 组合模型介绍2.4 主成分分析法2.4.1 主成分分析法的一般数学模型2.4.2 主成分分析法的算法过程2.5 蚁群算法2.6 本章小结第3章 财务风险预测的模型准备3.1 企业财务风险的界定3.2 财务风险预测的案例描述及样本确定3.2.1 财务风险预测的案例描述3.2.2 样本的选取依据3.2.3 样本的选取与确定3.3 财务预警指标选取3.4 主成分分析法对原始数据预处理3.4.1 KMO检验和Bartlett球度检验3.4.2 计算相关系数矩阵3.4.3 提取主成分3.5 模型建立流程3.6 本章小结第4章 单项预测模型设计与实现4.1 单个模型筛选4.2 Logistic回归预测模型4.2.1 Logistic回归模型的可行性分析4.2.2 基于Logistic的财务预测模型设计4.2.3 实验设计4.2.4 模型检验4.3 多元线性回归判别模型4.3.1 多元线性回归模型可行性分析4.3.2 基于多元线性回归的财务预测模型设计4.3.3 实验设计4.3.4 模型检验4.4 BP神经网络预测模型4.4.1 BP神经网络模型可行性分析4.4.2 基于BP神经网络的财务预测模型4.4.3 调试过程与实验设计4.4.4 模型检验4.5 本章小结第5章 最优组合预测模型设计与实现5.1 组合预测可行性分析5.2 构建组合预测模型5.2.1 组合预测模型5.2.2 组合预测模型应用5.3 蚁群算法优化组合权重5.4 实验设计5.5 模型检验5.6 模型预测效果对比分析5.7 本章小结第6章 财务风险预测子系统设计与实现6.1 系统设计目标6.2 系统总体设计6.2.1 系统开发环境6.2.2 系统架构6.2.3 子系统系统功能结构6.2.4 数据流图6.3 数据库设计6.3.1 数据库需求分析6.3.2 数据库表逻辑设计6.4 系统实现6.4.1 财务风险预测决策系统主页面6.4.2 企业基础信息管理6.4.3 财务数据管理6.4.4 数据处理与分析6.5 本章小结第7章 总结与展望参考文献致谢附录
相关论文文献
标签：财务风险预测论文; 回归预测模型论文; 神经网络模型论文; 组合预测模型论文; 蚁群算法论文;
